搜索资源列表
ganzhiqi_s200502106
- 模式识别-基于感知函数准则的线性分类器设计，完全自编代码，有详细说明。-pattern recognition-based perceptual function criteria for the classification of linear design, completely writing code is described in detail.
perceptron
- 线性分类器设计-感知机算法，对一组数据进行分类，分析w不同时的影响-Linear classifier design- Perceptron Algorithm
zonghe
- 线性分类器设计：包括感知机算法，最小二乘法，线性SVM算法（模式识别作业）-Linear classifier design: including perceptron algorithm, least squares, linear SVM algorithm（ pattern recognition task）
Kuschner-BayesianNetwork-feature
- Kuschner论文，贝叶斯网络方法在质谱数据特征选择。其中关于机器学习中贝叶斯分类器部分有完整原理分析，可以用于认知无线电网络的频谱感知等新领域。含有matlab程序大于100页，子函数很多。-Kuschner paper, Bayesian network methods of feature selection in mass spectrometry data. One of the Bayes classifier machine learning part of a complete
gentleboost
- 温柔的形变模型分类器和两个不同的weak-learners决定树桩和感知。 问题是进行多层次的one-vs-all策略-Gentle AdaBoost Classifier with two different weak-learners : Decision Stump and Perceptron. Multi-class problem is performed with the one-vs-all strategy
svm-ses
- 分别采用感知机算法、最小平方误差算法、线性SVM算法设计分类器，分别画出决策面，并比较性能。-The machine algorithm respectively perception, the minimum square error algorithm, linear SVM classifier algorithm design, respectively, draw the decision surface, and compare the performance.
Linear-classifier-design
- 对“data1.m”数据，分别采用感知机算法、最小平方误差算法、线性SVM算法设计分类器，分别画出决策面，并比较性能。-The "data1.m" data, respectively, using the perceptron algorithm, the least square error algorithm, the linear SVM algorithm design classifier, respectively, to draw the decision-making surf
auxiliary-network
- ：构建了多信息感 辅f】JJ的网络遥操作机器人系统，该系统提供丫一种通过多信息感知手段辅助操作 肯决策的远程控制方式．尚 ，分卡斤J q络条件下遥操作机器人系统多信息感知的原理．该多信息包括机器人多传 感器和网络返 时延等信息．通过对这些多信息的预处理、分类和决策处理，将陔多信息以视觉、听觉、力觉、报警灯 和交瓦史本方式转化为人可感 』的信息．使用 络时延缓冲器和网络双连接，降低了网络可变时延对系统的影响． 最 ，长距离的网络遥操作实验验证r系统和控制策略的实用性和骨效性-: C
classifier
- 多种分类器gui界面，包括支持向量机、贝叶斯分类器、感知机、神经网络等-Multiple classifier GUI interface, including support vector machines, Bayesian classifier, perceptron neural network
CT-tracking
- 一种简单高效地基于压缩感知的跟踪算法。首先利用符合压缩感知RIP条件的随机感知矩对多尺度图像特征进行降维，然后在降维后的特征上采用简单的朴素贝叶斯分类器进行分类。该跟踪算法非常简单，但是实验结果很鲁棒，速度大概能到达40帧/秒-A simple and efficient tracking algorithm based on compressed sensing. Firstly, with the random sensing matrix compressed sensing RIP co
HellokinectMAT
- 感知行为的影响因素包括单个关节的动作和不同关节的组态。因此提出一种新的基于关节的位置差异的特征类型，联合包括静态姿势、动作、位移在内的行为信息进行识别。采用关节在两个时间和空间区域的差异来明确地模拟个别关节动力学和不同关节的组态。然后应用主成分分析（PCA）来获得所需的特征。同时应用非参数的简捷的贝叶斯最近邻（NBNN）分类器进行多类行为的分类。这个NBNN分类器避免了帧描述符的量化，计算“图像到类别”的距离而不是“图像到图像”的距离。15到20帧的数据就足以实现手势以及动作的识别，无需应用整个
CT_code_matlab
- 一种简单高效地基于压缩感知的跟踪算法。首先利用符合压缩感知RIP条件的随机感知矩对多尺度图像特征进行降维，然后在降维后的特征上采用简单的朴素贝叶斯分类器进行分类-Real-time Compressive Tracking proposed by Kaihua Zhang in The Hong Kong Polytechnic University
compressiveTracking
- 压缩跟踪 是一种简单高效地基于压缩感知的跟踪算法。首先利用符合压缩感知RIP条件的随机感知矩对多尺度图像特征进行降维，然后在降维后的特征上采用简单的朴素贝叶斯分类器进行分类。该跟踪算法非常简单，但是实验结果很鲁棒，速度大概能到达40帧/秒-Compression tracking A simple and efficient tracking algorithm based on compression perception. First use of random eligible for c
dupa
- 此为BP感知神经分类器,自己写的,有须要的请下载,很不错的,-This is BP neural classifier perception, write their own, have a need to download, very good,
固定增量法求分界面
- 固定增量法求分界面 (利用感知器训练算法中的固定增量法求分界面，将样本集分为两 类)，附带整个分类过程及原理(The fixed increment method calculates the interface (using the fixed increment method in the perceptron training algorithm for the interface, and divides the sample set into two Class))
libsvm-3.1-[FarutoUltimate3.1Mcode]
- 态势要素获取作为整个网络安全态势感知的基础，其质量的好坏将直接影响态势感知系统的性能。针对态势要素不易获取问题，提出了一种基于增强型概率神经网络的层次化框架态势要素获取方法。在该层次化获取框架中，利用主成分分析(PCA)对训练样本属性进行约简并对特殊属性编码融合处理，将其结果用于优化概率神经网络(PNN)结构，降低系统复杂度。以PNN作为基分类器，基分类器通过反复迭代、权重更替，然后加权融合处理形成最终的强多分类器。实验结果表明，该方案是有效的态势要素获取方法并且精确度达到95.53%，明显优于
homework2_2
- 实现批处理感知器算法的程序，用于分类训练集，同时记下收敛时的步数(Program to realize batch perceptron algorithm for classification of training set, and steps to write down the convergence)
code
- matlab单层神经网络实现与逻辑，感知器是一种最简单的神经网络，可以解决最简单分类问题。在本经验中，利用了MATLAB代码简单实现了一个单层神经网络的感知器，对“与”逻辑运算进行了训练和学习，以便我们深入地了解感知器的构造。(Implementation and logic of MATLAB single layer neural network)